Ujemi globalni trend tehnološkega razvoja in izkoristi priložnost za razvoj uresničene inteligence

Utelesena inteligenca je inteligentni sistem, ki združuje zaznavanje, spoznavanje, odločanje in dejanje prek realnega časovnega medsebojnega delovanja med fizičnimi entitetami in okoljem ter zajema različne oblike, kot so humanoidni roboti, bionični roboti in vgrajeni ekološki sistemi. Trenutno se utelesena inteligenca neprestano razvija s ponavljajočim se medsebojnim delovanjem z okoljem, kar znatno izboljšuje sposobnost spoznavnega odločanja in dejansko izvedbeno zmogljivost ter pospešuje njen razvoj proti bolj avtonomni in večscenarijski splošni inteligenca. Natančno razumevanje globalnega tehnološkega inovacijskega trenda utelesene inteligence ter aktivno odzivanje na globinske izzive imata izjemno pomembnost za izkoriščanje priložnosti in pridobitev prednosti v novem krogu industrijske transformacije.

　　Globalni razvoj tehnologije utelesene inteligence kaže pet glavnih trendov

Trenutno se tehnologija upečatljive inteligence po vsem svetu hitro razvija, pri čemer so bili doseženi preboji na petih področjih: zaznavanje in interakcija, odločanje in kognicija, nadzor in izvajanje, združevanje podatkov iz virtualnih in realnih domen ter integracija sistemov, kar spodbuja prehod upečatljive inteligence iz laboratorijev v obsežne aplikacije.

Ena je vdelava svetovnih modelov in prehod k zaznavni interakciji. Pod vplivom svetovnih modelov in tehnologij večmodalne zaznave je osebna inteligenca znatno izboljšala svojo sposobnost razumevanja in interakcije s fizičnimi okolji, kar je povzročilo paradigmen premik od »stimulacije–odziva« k »deduktivni odločitvi« ter od prestrukturiranja podatkov k razumevanju vzorcev. Meta je predstavila svetovni model V-JEPA2, ki lahko napoveduje posledice različnih ravnanj in jih uvršča po njihovih ciljih, kar znatno izboljša natančnost dejanj. Pekinška univerza je predlagala arhitekturo večmodalnega jezikovnega akcijskega modela MLA, ki vključuje popolno večmodalno zaznavo in zagotavlja zanesljivejšo osnovo za odločanje z integracijo heterogenih signalov.

Drugo, opazamo trend od konca do konca in spremembo paradigme pri odločanju. Hierarhična arhitektura odločanja v telesni inteligenzi »možgani + možganska skorja« je zrela in se vse bolj uporablja; model od konca do konca, ki ponuja prednosti širokega obsega, nizke zakasnitve, visoke avtonomije in močne sodelovalnosti, je pokazal velik potencial pri raziskovanju telesne inteligence v smeri splošne posplošitve. Google DeepMindov robot Gemini temelji na arhitekturi VLA od konca do konca in ima izvrstno sposobnost prekrižne posplošitve med ontologijami; DOBOT-VLA model, ki ga je neodvisno razvil Yuejiang v Kitajski, integrira vizualne, jezikovne in krmilne sposobnosti ter je bil optimiziran z učenjem s pomočjo okrepljanja v resničnem svetu. Opremljen z humanoidnim robotom ATOM je leta 2025 dosegel serijsko proizvodnjo in lahko izvaja zapletene naloge, kot so hoja, dinamično uravnoteženje in natančna sestava.

Tretjič, napredek na področju fleksibilnih materialov je omogočil pojav samozdravljivih sposobnosti. Materialna revolucija spodbuja razvoj telesne inteligence od »togega izvajalnega konca« do »inteligentne ontologije prilagajanja«. Taktični senzorji v obliki kože in elektronska koža omogočajo telesni inteligenci zelo občutljive sposobnosti zaznavanja okolja, medtem ko biomimetična fleksibilna struktura telesnim inteligentnim živim bitjem omogoča večmodalne gibalne sposobnosti, kot so plazenje, kotaljenje in peristaltika, kar jih učinkovito prilagaja različnim in širi uporabne primere. Samozdravljivi materiali dosežejo aktivne samozdravljive preboje. Po poškodbi telesa se lahko kemične vezi obrnjeno ponovno združijo pod vplivom svetlobe in toplote. Vključujejo funkcije zaznavanja poškodb, lokalizacije poškodb in samozdravljenja, kar znatno izboljša vzdržljivost in zanesljivost telesne inteligence v kompleksnih in zahtevnih okoljih ter zagotavlja dolgoročno avtonomno delovanje.

Četrto je integracija virtualnih in realnih podatkov ter enotnost podatkovnih standardov. Visoka cena in majhna količina zbiranja podatkov s pravih naprav ter šibka sposobnost posploševanja v nepoznanem okolju so postali zamaški pri razvoju telesne inteligence. Generativni vir podatkov je simulacijsko okolje, ustvarjeno iz velikega modela, ki ponuja veliko količino in visoko stopnjo strukturiranosti ter tako nizko stroškovno zapolni vrzel v podatkih. V kombinaciji z omejitvami na podlagi fizikalnih zakonov, mešanimi paradigmi podatkov in kalibracijo z realnimi podatki s strojev se razlika med simulacijo in resničnostjo znatno zmanjša. Domacija podjetja 51Sim je nakopalo končno-končne scenarije za pomoč pri vožnji in sintetizirane podatke na osnovi platforme Nvidia, ki so bili uspešno uporabljeni za usposabljanje robotov v zapletenih scenarijih, kot so pristanišča in rudniki. Platforma »Dome DOME« združuje vmesnike za podatke in specifikacije formatov, razbija podatkovne izolirane sisteme, gradi univerzalni jezik za industrijo ter učinkovito spodbuja medscenarijsko interoperabilnost in dobavo visokokakovostnih podatkov.

Peti je doseči heterogeno sodelovanje in zgraditi varno osnovo. Ločitev programske opreme in strojne opreme ter modularna integracija pospešujeta razvoj operacijskih sistemov za telesno inteligenco, kar omogoča združljivost prek različnih ontologij in heterogeno sodelovanje. Arhitektura OpenRMF združuje »prometna pravila« in »komunikacijski jezik« robotov, kar omogoča sodelovalne operacije med heterogenimi skupinami strojev; OM1, ki ga je izdal OpenMind, podpira funkcijo »vstavi in deluj« ter razvoj API-jev glavnih velikih modelov prek različnih ontologij. Sistemsko integracijo okrepimo osnovo projekta, kar zagotavlja varnost, zanesljivost in spoštovanje temeljnih omejitev. Napadalsko usposabljanje, diferencialna zasebnost in druge tehnologije zasebne računalništva omogočajo sodelovanje med ustanovami brez izgube surovih podatkov ter gradnjo aktivnega in varnega sistema obrambne globine za razširjene aplikacije telesne inteligence.

　　Uveljaviti več ukrepov za izboljšanje konkurenčnosti vgrajene inteligence v Kitajski

Trenutno je vgrajena inteligenca v Kitajski na kritični stopnji usklajevanja tehnoloških prebojev, industrijske uvedbe in razvoja ekosistema. Lokalizacija jedrnih strojnih sestavnih delov se je pospešila, zmogljivost velikih modelov pa se je znatno izboljšala. Domaca računska moč lahko učinkovito izvaja zapletene modele, v nekaterih področjih pa so se že oblikovale začetne uporabne zmogljivosti. Vendar zaradi vedno bolj ostre mednarodne konkurence ne moremo prezreti globokih izzivov, s katerimi se sooča vgrajena inteligenca.

Najprej je treba izboljšati avtonomno nadzorljivost osnovnih komponent, saj je zunanja odvisnost od servomotorjev, reduktorjev in senzorjev visokega razreda še vedno prevelika. Trajnost energijskega sistema je nedostatna, poleg tega pa še vedno obstajajo šibkosti pri sposobnosti popolne notranje razvojne verige. Drugič, standardizacijski sistem in industrijski ekosistem še vedno potrebujeta izboljšave: vsebinski vmesniki strojne opreme, komunikacijski protokoli in standardi združljivosti programske opreme so neusklajeni, podatki so pogosto izolirani v posameznih sistemih (t. i. podatkovni otoki), vpliv odprtih skupnosti je omejen, hkrati pa je na voljo premalo visokokakovostnih interaktivnih podatkov. Tretjič, sistem varnostnega upravljanja še vedno potrebuje izboljšave: določitev odgovornosti za nesreče avtonomnih sistemov je zapletena. Neprekinjeno zbiranje občutljivih podatkov lahko povzroči tveganja, kot so izguba podatkov in kršitve zasebnosti, zato je treba izboljšati mehanizme za zanesljivo sodelovanje med ustanovami.

Pred obrazom zgoraj omenjenih izzivov naj Kitajska izkoristi obdobje razvojnega okna, naj kot jedro vzame samostojno inovacijo, kot izhodišče gradnjo standardov in kot minimalno mejo varnostno upravljanje, ter pospeši razvoj telesne inteligentne industrijske ekologije, s čimer bo močno spodbudila razvoj nove kakovostne produktivnosti in gradnjo močne tehnološke države.

Ena je okrepitev razporeditve strategičnih tehnoloških sil in utrditev temeljev samostojnega inoviranja. Z oporo na nov nacionalni sistem bomo okrepljali strategične znanstveno-tehnološke zmogljivosti nacionalnih ključnih laboratorijev na področju uresničene inteligence ter izvajali organizirana znanstvena raziskovanja v smeri predelnih smeri, kot so trojni združitveni model »informacije-fizika-zaznavanje«, arhitektura končno-končnih odločitvenih procesov ter biomimetični fleksibilni materiali. Poglobimo integracijo industrije, akademije in raziskav pod vodstvom podjetij, podpiramo vodilna tehnološka podjetja pri vodenju inovacijskih združenj, osredotočimo prednostne vire za premagovanje lokalizacijskih ovir pri jedrnih komponentah, kot so servo motorji, reduktorji in planetarni valjčni vijaki, povežemo celotno verigo »osnovne raziskave–razvoj tehnologije–industrijska uporaba« ter na izvirni ravni premagamo omejitve industrijskega razvoja.

Drugi cilj je graditi odprt in sodelovalen industrijski ekosistem, ki vodi k razvoju visoke kakovosti z visokimi standardi. Pospešiti razvoj medsektorskih strojnih vmesnikov, komunikacijskih protokolov in standardov za združljivost programske opreme ter spodbujati neodvisno in nadzorljivo osnovno programsko opremo, kot so operacijski sistemi in posredniški programi. Raziskovati ustanovitev visokorazvrstnih organizacij za zbiranje in upravljanje podatkov, razvijati standarde za zbiranje in označevanje večmodalnih podatkov, graditi simulacijske referenčne sisteme in odprte podatkovne platforme za ključne scenarije, kot so pametna proizvodnja in operacije z visokim tveganjem, ter odpraviti ovire za pretok podatkov. Aktivno vzgajati lokalni odprt izvirni ekosistem, spodbujati univerze, raziskovalne inštitute ter podjetja, da skupaj gradijo sisteme za deljenje računske moči za algoritme, znižujejo ovire za raziskave in razvoj, pospešujejo tehnološko posodobitev ter vodijo k izboljšanju kakovosti industrije z visokorazvrstno standardizacijo in odprtim izvirnim kodam.

Tretji je ustanovitev ustrezne varnostne upravne strukture in gradnja trdne osnove za zanesljiv razvoj. Ustvariti je treba hierarhični mehanizem za zaščito, ki zajema algoritem, podatke in fizično varnost, pri čemer je treba jasno določiti meje pravic in odgovornosti vseh udeležencev v proizvodnji, uporabi, dobavi algoritmov in nadzoru. Napredna raziskava določitve odgovornosti za nesreče, sodelovanja med ustanovami in pravil za vzajemno zaupanje ter varnostnih in etičnih smernic za določene navigacijske, skupinske sodelovalne in druge oblike ravnanja. Raziskovati je treba vključujoče in previdne regulativne modele, izvajati ocene varnostne in etične primernosti skozi celotno življenjsko dobo, ustanoviti proaktivne in varne obrambne sisteme na več ravneh ter zagotoviti institucionalne garancije za obsežno vpeljavo in dolgoročen zdrav razvoj telesne inteligence.